时间序列相似性半监督谱聚类

时间序列相似度是时间序列数据挖掘的重要研究方向之一。如何利用时间序列相似度对提高时间序列数据聚类有着重要的意义。提出一种基于时间序列相似度的半监督谱聚类算法,通过选取适当的时间序列特征构造相似度与距离,在谱聚类算法的基础上利用标签数据选取初始类簇。实验表明,该算法使具有相似特征的时间序列可以很有效地被聚集到同一类中。

.NET环境下FX2N系列PLC与上位机的串行通信

可编程序控制器(PLC)是近年来发展极为迅速,应用极广,以微处理器为核心,集微机技术、自动化技术、通信技术于一体的通用工业控制装置。为了能实现对现场生产过程进行监控,PLC串行通信技术在工业生产中正得到越来越广泛的应用。在本监测系统中,介绍了三菱FX2N系列PLC与上位机进行通信的主要原理,阐述在.NET环境下上位机与三菱FX2N系列PLC串行通信的基本实现方法。

基于VC平台的黑白棋开发技术

黑白棋作为一款经典的棋类博弈游戏,经久不衰,具有很强的趣味性,深受广大游戏爱好者和编程人员的喜爱。本文对其主要技术的实现方法进行了探讨。

类不均衡的半监督高斯过程分类算法

针对传统的监督学习方法难以解决真实数据集标记信息少、训练样本集中存在类不均衡的问题,提出了类不均衡的半监督高斯过程分类算法。算法引入自训练的半监督学习思想,结合高斯过程分类算法计算后验概率,向未标记数据中注入类标记以获得更多准确可信的标记数据,使得训练样本的类分布相对平衡,分类器自适应优化以获得较好的分类效果。实验结果表明,在类不均衡的训练样本及标记信息过少的情况下,该算法通过自训练分类器获得了有效标记,使分类精度得到了有效提高,为解决类不均衡数据分类提供了一个新的思路。

浅谈香农编码的JAVA实现及其效率分析

本文详细论述了香农编码的方法,用JAVA实现其基本编码步骤,并与哈夫曼编码进行比较,分析其编码效率。

数字水印技术在信息安全领域的应用

信息化社会的发展带来了不少的安全问题,数字水印应运而生,本文介绍了数字水印的概念、特征、基本原理、算法及数字水印在各信息领域的应用,阐述了数字水印的重要性和发展前景。

一株聚β-羟基丁酸PHB高产菌株的分离与鉴定

[目的]以采自海南、广东、广西、福建的含羞草以及云南禄丰南苜蓿中分离的根瘤菌和根际菌为研究对象,从中筛选得到产聚β-羟基丁酸（PHB）菌株227。[方法]主要采用革兰氏染色、苏丹黑染色、16Sr DNA测序等方法。[结果]该菌株的生物学特征为：杆状,大小（0.5-0.9）μm×（1.2-3.0）μm,革兰氏阴性,胞内具PHB颗粒,属于伯克霍尔德氏菌（Burkholderia）,同源性达98%。该菌在28℃条件下生长良好,细菌胞内可积累大量的PHB,摇瓶培养40 h后至稳定期,该菌株积累的PHB量可达细胞干重的最大值。[结论]该研究为PHB产生菌提供了菌株资源。

通过隐藏Rff标识符实现文本控件字段追踪

数据计算管理系统中，文本控件的字段必须得到追踪以便准确知道是那些数据进行了改变，从而进行数据库的相应更新，本文就字段追踪所出项的标识符问题进行了相关讨论。

无线传感器网络定位算法的相关研究

无线传感器网络是计算机和通信学科中一个全新的前沿研究领域，节点定位是无线传感器网络应用研究的重点之一。目前基于传感器网络的目标定位问题的研究提出了许多，本文就一些无线传感器网络定位算法进行了比较研究，对实际应用有着一定的指导作用。

甘肃省河西地区水源涵养功能与人类活动强度演变

深入分析干旱半干旱区域的水源涵养功能和人类活动的时空格局及相关关系,是科学实现区域生态修复和水资源管理的必要前提。采用人类足迹指数与InVEST模型,对河西地区人类活动强度与水源涵养功能进行了定量评估,采用双变量Moran’s I指数分析了河西地区人类活动与水源涵养的空间相关关系。结果表明:2010—2020年人类活动水平呈增长趋势,整体表现为东南高、西北低的分布特征。2010—2020年单位面积水源涵养量平均值为8.64 mm,在2010—2015年呈上升趋势,在2015—2020年有所下降,整体空间分布表现为南高北低。2010、2015、2020年双变量Moran’s I指数分别为0.292、0.277、0.348,人类活动与水源涵养服务功能呈现出较为显著的空间正相关性。

一种面向入侵检测的半监督聚类算法

为了解决传统的入侵检测聚类算法准确率较低这个问题,结合半监督学习的思想,提出了一种面向入侵检测的半监督聚类算法。首先利用样本数据集中的部分标记数据,生成用于初始化聚类的种子集,通过计算样本数据集中标记点与每个类簇中标记点均值的欧氏距离,得到每类的初始聚类中心,实现了入侵检测数据的准确识别。该算法有效地避免了传统聚类算法中初始聚类中心选择的盲目性和随机性,提高了检测率。实验结果表明,在处理入侵检测数据时,该算法能够充分利用少量类标记信息进行半监督学习,较传统的K-means算法聚类效果更好,检测准确率更高。